大規模データに基づく機会制約問題の解と分離超平面の同時最適化

基于大规模数据的机会约束问题解与分离超平面的同步优化

• 批准号: 22K12187
• 负责人: 田川 聖治
• 金额: $ 0.67万
• 依托单位: Kindai University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12187/
• 关键词: 機械学習; 最適化手法; 機会制約問題; 進化計算

従来の機会制約問題（CCP）において、不確実性は既知の確率分布に従う確率変数としてモデル化される。ここで、確率変数を含む制約条件の値も確率変数となるが、通常、その確率分布を解析的に導出することは不可能である。このため、モンテカルロ法により生成した不確実性の擬似データから、制約条件が満たされる確率を推定する。従来のCCPの定式化の問題点として、確率分布による不確実性のモデル化誤差がある。近年、様々な分野でビッグデータと呼ばれる膨大なデータが蓄積され、その有効な活用方法が模索されている。そこで、不確実性の確率分布（モデル）に代えて、その標本空間を大規模データで与えるデータ駆動型CCP が注目されている。しかし、各データが制約条件を満たすか否かの判定には大きな計算負荷を要する場合が多く、利用可能な全データに対して実行可能性を評価することは現実的でない。このため、大規模データからサンプリングした標本セットを用いて、制約条件が満たされる比率を統計的に推定する。この様なデータ駆動型CCPの問題点として、大規模データから抽出された一部のデータしか使用されない。本研究では、制約条件を満たすか否かで大規模データを2クラスに分類することで、CCP を混合整数計画問題として定式化する。これにより、すべてのデータを利用してCCPの制約条件が満たされる比率を評価できるとともに、個々のデータについて制約条件を満たすか否かを判定できる。ここで、大規模データのクラス分けにはサポートベクトルマシン（SVM）を使用する。しかし、新たに提案するデータ駆動型CCPの定式化と解法では、CCPの実行可能な最適解の探索と、SVMの学習を同時に実行する必要がある。そこで、CCPの最適解の探索に進化計算を用いるとともに、その進化計算と連動させるSVMの教師データの生成法と学習アルゴリズムについて検討した。

The probability distribution of uncertainty and uncertainty in the probability of uncertainty. The number of accurate rate changes includes the number of accurate rate changes under the condition that it is impossible to derive the accurate rate distribution analytically. The accuracy of this method is estimated by the uncertainty of the simulation and the constraint conditions. In the past, the CCP's formalization problem point and accuracy distribution were not accurate, and the error of localization was not large. In recent years, the division of the field, the expansion of the field, the accumulation of the field, the use of the field, the model The probability distribution of uncertainty is the result of large-scale and dynamic CCP. For example, if the calculation load is large, the possibility of using the whole data is evaluated. This is a statistical estimate of the ratio of the constraints to the use of large and medium-sized data. The problem of this kind of CCP is that it is used in large scale. In this paper, we study the formulation of mixed integer project problem for large-scale project classification. The ratio of CCP constraint conditions to utilization is evaluated and the ratio of CCP constraint conditions to utilization is determined. For example, the use of SVM in large-scale applications A new method for solving a dynamic CCP is proposed, and it is necessary to explore the optimal solution for CCP implementation and to implement SVM learning simultaneously. The optimal solution of CCP is explored by evolutionary computation, and the optimal solution of SVM is explored by evolutionary computation.

项目成果

プロスペクト理論に基づく分散投資問題の進化計算アルゴリズムによる解法

基于前景理论的演化计算算法求解多元化投资问题

• 发表时间: 2023
• 作者: 田川聖治;折登由希子
• 通讯作者: 折登由希子

Approximate Solution using Machine Learning and Evolutionary Algorithm for Large-Scale Data-Driven Chance Constrained Problems

• DOI: 10.1109/scisisis55246.2022.10002127
• 发表时间: 2022-11
• 期刊: 2022 Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Symposium on Advanced Intelligent Systems (SCIS&ISIS)
• 作者: K. Tagawa

大規模データに基づく機会制約問題に対する機械学習と進化計算を用いた近似解法

基于大规模数据的机会约束问题的机器学习和进化计算近似求解方法

• 发表时间: 2022
• 作者: 田川聖治;折登由希子;田川聖治;田川聖治
• 通讯作者: 田川聖治

融資を利用した分散投資問題のプロスペクト理論に基づく拡張

基于前景理论的贷款多元化投资问题的推广

• 发表时间: 2022
• 作者: 田川聖治;折登由希子
• 通讯作者: 折登由希子

サポートベクトルマシンと差分進化による大規模な基地局配置問題の近似解法

利用支持向量机和差分进化近似求解大规模基站布放问题

• 发表时间: 2022
• 作者: 田川聖治;折登由希子;田川聖治
• 通讯作者: 田川聖治